@misc{Bercz_Natalia_Zastosowanie_2022,
 author={Bercz, Natalia},
 contributor={Dudycz, Helena. Redaktor},
 year={2022},
 rights={Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy},
 description={Informatyka w biznesie / pod red. Heleny Dudycz. - Wrocław: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, 2022, s. 9-24},
 publisher={Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu},
 language={pol},
 abstract={Udzielanie kredytów wiąże się z wysokim ryzykiem. Banki oraz instytucje finansowe poświęcają uwagę i zasoby na zarządzanie tym procesem w celu zwiększenia prawdopodobieństwa, że nie wystąpią niepożądane zdarzenia prowadzące do utraty należności. Modelowanie matematyczne i uczenie maszynowe umożliwiają prognozowanie prawdopodobieństwa niewywiązania się ze zobowiązań i ułatwiają podejmowanie decyzji o udzieleniu pożyczki lub odrzuceniu wniosku o kredyt. Celem artykułu jest analiza zastosowania modelowania matematycznego i uczenia maszynowego w zarządzaniu ryzykiem kredytowym. Istotny element stanowi zaprezentowanie sposobu umożliwiającego zbudowanie modelu w postaci karty scoringowej przydzielającego określoną liczbę punktów każdemu potencjalnemu klientowi. Zbadano także skuteczność takiego modelu, czyli zweryfikowano tezę, czy dzięki niemu ryzyko niespłacenia kredytu przez potencjalnych kredytobiorców może być minimalizowane. Zastosowane w artykule metody badawcze to między innymi: analiza literatury przedmiotu, obserwacja zjawisk, metody modelowania i metody ilościowe.},
 title={Zastosowanie modelowania matematycznego i uczenia maszynowego w zarządzaniu ryzykiem kredytowym w bankach i instytucjach finansowych},
 type={rozdział},
 keywords={ryzyko kredytowe, zarządzanie ryzykiem kredytowym, modelowanie ryzyka kredytowego, default, credit risk, credit risk management, credit risk models},
}